论文部分内容阅读
股票指数模拟（Stock Index Simulation,SIS）和家庭财务规划（Family Financial Planning,FFP）是日常的金融应用。然而,一方面,目前它们大多数都是由专业的规划分析师来完成,非专业人士难以解决。另一方面,现有的基于数学规划方法和其他分析方法具有人工干预多、可解释性差和不确定性等缺点。因此,本课题针对SIS问题和FFP问题构建了智能规划领域模型,并使用规划模拟器自动求解。这项研究旨在提高非专业投资者对金融领域的理解与应用。本文提出一种对这两个问题领域建模的一般框架。该框架基于概率并行规划（Probabilistic Parallel Planning,PPP）能解决现实的规划问题,并能够实现多个决策目标和自动化求解。研究方法的核心思想是将SIS和FFP问题转化为智能规划问题。本文考虑了各种因素的参数化变量、状态/动作约束、可能事件以及相互关联等特征。同时,本文构建的规划模型是由针对PPP的规划语言RDDL（Relational Dynamic Influence Diagram Language）描述的,并基于模拟器rddlsim求解。实验分为两个方面:一方面,SIS实验数据使用两种股票数据集（上证50指数和上证100指数）。实验从某个时间点开始,求解未来一年股指的变化趋势。通过运用不完全随机布尔策略(IRBPRDDL)对模拟股指与真实股指作对比,并将求解效果与线性回归方法、SVM方法和LSTM方法的三种模拟效果作对比。结果对比分别使用交叉熵、最小二乘法和皮尔森相关系数作为损失函数。另一方面,FFP实验数据来自2018年7月Money Tree软件的财务规划实验报告和2013年9月的综合财务规划实验报告,运用启发式策略(HPRDDL)求解多阶段和动态离散时间结构的总财富变化。求解质量既对模拟的FFP数据的最小、最大和平均值与已有的实验报告数据作对比,又将运行时间与其他求解策略结果作对比。研究结果表明,股票指数模拟效果比较贴近于真实股票指数变化趋势。在大多数情况下,本文的SIS规划方法优于线性回归方法和SVM方法,且与LSTM方法的性能相当。此外,家庭财务规划的模拟效果基本上与其对比的两个实验报告的总财富变化趋势一样。但FFP运用启发式策略的执行效率优于其他策略,速度与随机策略和SPUDDP相当。然而,相对于其对比方法,本文方法具有较强的可解释性等优点,且求解过程中无人工干预和参数调节。可解释性主要在于采用规划领域的形式化描述。它不仅能够展示在SIS领域和FFP领域的各种影响因素之间的关系,而且得到的规划解给出了模拟结果的状态变化轨迹。总的来说,本文工作是智能规划方法在金融应用领域的一次较有意义的新尝试。